SQLAlchemy ORM を使って、Python でSAS xpt データに連携

製品をチェック

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

SASxpt Python Connector

SAS xpt (XPORT) ファイル連携用Python コネクタライブラリ。SASxpt データをPandas、SQLAlchemy、Dash、petl などの人気のPython ツールにシームレスに統合。


CData Python Connector for SAS xpt を使って、Python アプリケーションおよびスクリプトからSQLAlchemy 経由でSAS xpt にOR マッピング可能に。



Pythonエコシステムには、多くのモジュールがあり、システム構築を素早く効率的に行うことができます。CData Python Connector for SAS xpt は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで SAS xpt にデータ連携するPython アプリケーションを構築し、SAS xpt data をビジュアライズできます。 本記事では、SQLAlchemy でSAS xpt に連携して、データを取得、 する方法を説明します。

CData Python Connector は、ビルトインされた効率的なデータプロセスにより、リアルタイムSAS xpt data データにPython からアクセスし、高いパフォーマンスと接続性を発揮します。SAS xpt に複雑なクエリを投げる際に、ドライバーはフィルタリング、集計などがサポートされている場合、SQL 処理を直接SAS xpt 側に行わせ、サポートされていないSQL 処理については、組み込まれたSQL エンジンによりクライアント側で処理を行います(特にJOIN やSQL 関数など)。

SAS xpt Data への接続

SAS xpt data への連携は、RDB ソースへのアクセスと同感覚で行うことができます。必要な接続プロパティを使って接続文字列を作成します。本記事では、接続文字列をcreate_engine 関数のパラメータとして送ります。

ローカルSASXpt ファイルへの接続

URI をSASXpt ファイルを格納しているフォルダに設定すると、ローカルのSASXpt ファイルに接続できます。

S3 データソースへの接続

Amazon S3 ソースに接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します:

  • URI:接続するバケット内のフォルダに設定。
  • AWSAccessKey:AWS アカウントのアクセスキーに設定。
  • AWSSecretKey:AWS アカウントのシークレットキーに設定。
  • TemporaryLocalFolder:SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

Azure Data Lake Storage Gen2 への接続

ADLS Gen2 に接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します:

  • URI:ファイルシステムの名前およびSASXpt ファイルにコンタクトするフォルダの名前に設定。
  • AzureAccount:Azure Data Lake storage アカウントの名前に設定。
  • AzureAccessKey:Azure Data Lake storage Gen 2 ストレージアカウントのアクセスキーに設定。
  • TemporaryLocalFolder:SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

以下の手順でSQLAlchemy をインストールして、Python オブジェクトからSAS xpt に接続します。

必要なモジュールのインストールs

pip でSQLAlchemy ツールキットをインストールします:

pip install sqlalchemy

モジュールのインポートを忘れずに行います:

import sqlalchemy

Python でSAS xpt Data をモデル化します

次は、接続文字列で接続を確立します。create_engine 関数を使って、SAS xpt data に連携するEngne を作成します。

engine = create_engine("sasxpt///?URI=C:/folder")

SAS xpt Data のマッピングクラスの宣言

接続を確立したら、OR マッパーでモデル化するテーブルのマッピングクラスを宣言します。本記事では、SampleTable_1 テーブルを使います。sqlalchemy.ext.declarative.declarative_base 関数を使って、新しいクラスにフィールド(カラム)を定義します。

base = declarative_base()
class SampleTable_1(base):
	__tablename__ = "SampleTable_1"
	Id = Column(String,primary_key=True)
	Column1 = Column(String)
	...

SAS xpt Data をクエリ

マッピングクラスができたので、セッションオブジェクトを使ってデータソースをクエリすることができます。セッションにEngine をバインドして、セッションのquery メソッドにマッピングクラスを提供します。

query メソッドを使う

engine = create_engine("sasxpt///?URI=C:/folder")
factory = sessionmaker(bind=engine)
session = factory()
for instance in session.query(SampleTable_1).filter_by(Column2="100"):
	print("Id: ", instance.Id)
	print("Column1: ", instance.Column1)
	print("---------")

ほかの方法としては、execute メソッドを適切なテーブルオブジェクトに使うことが可能です。以下のコードはアクティブなsession に対して有効です。

execute メソッドを使う

SampleTable_1_table = SampleTable_1.metadata.tables["SampleTable_1"]
for instance in session.execute(SampleTable_1_table.select().where(SampleTable_1_table.c.Column2 == "100")):
	print("Id: ", instance.Id)
	print("Column1: ", instance.Column1)
	print("---------")

より複雑なクエリとして、JOIN、集計、Limit などが利用可能です。詳細はヘルプドキュメントをご覧ください。

製品の無償トライアル情報

SAS xpt Python Connector の30日の無償トライアル をぜひダウンロードして、SAS xpt data への接続をPython アプリやスクリプトから簡単に作成しましょう。